改进非线性海鸥算法在矿震定位中的应用

为了提高矿震定位精度，保证算法能快速收敛且具有较强鲁棒性，提出了一种基于改进非线性海鸥算法的矿震定位算法(Robust Difference Seagull Optimization Algorithm, RD-SOA)。该算法首先计算差值矩阵，提出采用稳健差值法作为目标函数，其次基于海鸥算法，提出非线性惯性权重，最后通过海鸥间相互作用求解震源点位置。通过模拟试验分析，当波速在-1%～1%、-3%～3%和-5%～5%的范围内浮动时，RD-SOA的定位精度均优于传统的非线性最小二乘法(Nonlinear Least Square, NLS)和Geiger定位法及改进前的SOA,相同情况下，RD-SOA比SOA的收敛速度提高了67%。通过柿竹园金属矿人工爆破数据进行对比分析，RD-SOA定位结果的绝对误差由原始SOA的13.7 m降低至3.8 m。对某煤矿的一次大能量矿震事件进行定位，震源位于采空区顶板上方38 m厚细砂岩层中，受开采影响导致工作面后方顶板断裂，为本次事件提供了能量源。     

非高斯噪声下电力线载波通信压缩感知信道估计方法

传统的基于压缩感知的电力线载波通信信道估计方法，多数在高斯噪声假设下对信道系数进行估计。实际过程中，电力线电磁环境复杂，噪声往往并不服从高斯分布。本文考虑非高斯环境下电力线载波通信信道估计问题，利用高斯混合密度对噪声统计特性进行描述，在此基础上，结合信道系数的稀疏特性对信道系数进行估计。利用数值仿真对本文所提算法的性能进行测试，结果表明，与传统信道估计算法相比，本文所提出的方法具有更好的信道估计性能。     

基于多速率卡尔曼滤波方法的位移和加速度数据融合

为了尽可能地利用加速度传感器和位移传感器中的冗余信息、提高振动实测数据的精度,将结构同一位置的加速度和位移观测值进行数据融合处理,提出了一种基于维纳过程加速度模型的多速率卡尔曼滤波数据融合方法。首先给出了基于维纳过程的多速率卡尔曼滤波数融合模型;然后在加速度和位移观测值的基础上,通过多速率卡尔曼滤波数据融合得到位移、速度以及加速度的的最优估计,并对融合结果进行卡尔曼平滑处理,进一步提高了状态估计准确性;最后数值分析了不同噪声水平和采样频率比对融合算法的影响,而且与相关文献的结果作了对比分析。结果表明,本文方法合理有效且具有一定的噪声鲁棒性。     

基于PNGV模型的锂离子电池荷电状态估计

目的 提升不同老化情况下的锂离子电池荷电状态(SOC)估计精度。方法 基于PNGV模型(Partnership for a New Generation of Vehicles)，对锂离子电池SOC进行估计。首先通过双线性变换对PNGV模型进行离散化，采用带有遗忘因子的递归最小二乘法(FFRLS)，对电池模型参数进行在线辨识，利用卡尔曼滤波(EKF)算法进行SOC估计，并通过动态工况验证SOC估计精度。结果 以多种误差指标考察不同循环下的试验数据，在不同电池老化状态下具有较好的预测精度。相比基于Thevenin模型的算法，基于PNGV模型的算法可以将SOC平均绝对误差减少约60%，同时也可以将SOC估计最大绝对误差波动范围降低53.8%。结论 本算法引入PNGV模型后，解决了基于Thevenin模型算法误差大、不稳定的问题，提升了动力电池系统在不同老化环境下的适应性。     

2种统计方法在一次实验室间比对中的应用比较

比较了稳健统计法和误差系数法在水中苯系物实验室间比对结果中的应用，分别采用两种方法对比对结果进行了分析，探讨了两种统计方法的差异和适用范围。结果显示，两种方法对此次比对结果的分析结论基本一致，在实际应用中应跟据实验室间比对的目的和样品特点选择合适的统计方法。